SoftMarginLoss

class torch.nn.SoftMarginLoss(size_average=None, reduce=None, reduction='mean')

创建一个标准，该标准在输入张量$x$ 和目标张量$y$（包含1或-1）之间优化二分类逻辑损失。

$$\text{loss}(x, y) = \sum_i \frac{\log(1 + \exp(-y[i]*x[i]))}{\text{x.nelement}()}$$

参数

• size_average (bool, optional) – 已弃用（参见reduction）。默认情况下，损失会针对批次中的每个损失元素进行平均。请注意，对于某些损失，每个样本有多个元素。如果字段size_average设置为False，则损失会按小批次求和。如果reduce为False，则被忽略。默认值：True

• reduce (bool, optional) – 已弃用（参见reduction）。默认情况下，损失会根据size_average针对每个小批量中的观测值进行平均或求和。当reduce为False时，则返回每个批次元素的损失，并忽略size_average。默认值：True

• reduction (str, optional) – 指定应用于输出的归约方式：'none' | 'mean' | 'sum'。'none'：不应用归约，'mean'：输出的总和将除以输出中的元素数量，'sum'：输出将被求和。注意：size_average和reduce正在被弃用，在此期间，指定这两个参数中的任何一个都将覆盖reduction。默认值：'mean'

形状

• 输入：$(*)$，其中$*$ 表示任意数量的维度。

• 目标：$(*)$，形状与输入相同。

• 输出：标量。如果reduction为'none'，则$(*)$，形状与输入相同。